Numpy数组详解：shape、索引与切片全攻略
Numpy数组是Python数据分析的基础，提供高效多维数组对象，核心操作包括数组创建、shape、索引和切片。 创建方法：常用np.array()从列表生成数组；zeros/ones创建全0/1数组；arange类似range生成序列。 shape是数组维度标识，用.shape查看，reshape()可调整维度（总元素数需不变），-1表示自动计算维度。 索引：1维数组同列表（0开始，支持正负索引）；2维数组用[i,j]双索引。 切片：语法[start:end:step]，1维/2维分别截取子数组，切片默认返回视图（修改影响原数组），需用.copy()生成独立拷贝。 掌握shape、索引和切片是核心，建议通过实践练习巩固这些基础操作。
阅读全文从0开始学数据结构：数组到底是什么？
数组是一组相同类型数据的有序集合，通过索引（从0开始）访问，元素连续存储，用于高效管理大量同类数据。例如班级成绩，用数组`scores = [90,85,95,78,92]`可替代多个变量，便于整体操作。 声明初始化（如Python）：`scores = [90,85,95,78,92]`或`[0]*5`（声明长度为5的数组）。访问元素用`scores[索引]`，需注意索引范围（0到长度-1），越界会报错。 基本操作：遍历可用循环（`for score in scores: print(score)`）；插入删除需移动后续元素（时间复杂度O(n)）。 核心特点：类型相同、索引从0开始、元素连续存储。优点是访问速度快（O(1)），缺点是插入删除效率低、静态大小。 数组是数据结构基础，理解其“索引访问、连续存储”的核心思想，对学习链表、哈希表等复杂结构至关重要，是数据管理的核心工具。
阅读全文